步态数据CASIA B数据集获取方式

已于 2024-03-13 14:43:29 修改
阅读量1.2k 收藏 1
点赞数 8
文章标签： 数据库
于 2024-03-12 14:48:38 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_52341409/article/details/136652125
版权
本文描述了如何从生物识别与安全技术研究中心的官网上下载A和C文件，B文件需填写知情同意书并扫描签字后通过邮件发送。发送B文件过程遇到延迟，最终通过宋纯峰邮箱收到包含CASIAB数据的百度网盘链接。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

首先进入官网

生物识别与安全技术研究中心 (ia.ac.cn)

滑倒底下有下载链接

A和C都是可以直接下载，B是无法直接下载的

B要写知情同意书

下载打印出协议，手写签字，通过CS扫码全能王还是其他方式，扫描成PDF或者png图像格式都可以，发邮箱到第一个那里。

我发了一天后没回复我，在发送一遍给下面宋纯峰的那个邮箱，半天就发来CASIA B数据邮件了如下图所示。发来的是百度网盘链接，可以直接下载，不过有一说一，百度网盘下载是真的慢。

GaitSet论文复现中遇到的部分问题解决（CASIA-B数据集）
weixin_46694417的博客
07-07 5363
目录前言一、GaitSet模型简介二、数据集介绍（原文链接：[https://blog.csdn.net/qq_42191914/article/details/105473925](https://blog.csdn.net/qq_42191914/article/details/105473925)）三.数据预处理四、测试1、config.py配置2、test.py运行 前言 本文是博主小学期作业一部分，尚未对模型结构吃透，对于深度学习也只是看了看门槛，请多担待。 以下是本篇文章正文内容，提供对于G
CASIA-WEBFACE数据集
06-26
casiawebface数据集，4个G，百度云网盘直接下载，1万个人
CASIA数据集免费分享
03-11
CASIA数据集免费分享
CASIA_B_Multi-View_Gait_Baseline.rar_CASIA B_CASIA_B_casia_步态识别_
07-14
网上载入步态识别源码，基于步态能量图,效果挺好。
CASIA-B数据集粗略理解
m0_54476386的博客
04-07 780
我们想知道数据集的处理步骤，从下载好的数据集到作为模型的输入，中间需要做一些什么事情。我们主要是想知道数据的变化，数据的尺寸，加载进模型之后数据到底是怎么进行变换的。
【使用OpenGait 复现步态识别经典算法 GaitSet ——CASIA-B数据集】
记录学习
12-13 6695
这篇文章主要记录使用OpenGait 复现步态识别经典算法 GaitSet 的步骤和遇到的问题以及解决方式，用到的数据集是CASIA-B。
CASIA-B步态数据集的一些粗糙理解
YANGJINCHAHAHA的博客
12-27 6456
CASIA-B步态数据集是中科院自动化所提供的，发布时间虽然已经有快二十年了，但是基本上国内外论文都以该数据集进行评估识别精度。首先该CASIA-B数据集包括轮廓图形式和能量图形式，再就是需要申请的CASIA-B的15004个视频，实际上还是比较大的，申请途径也不难。由于该视频数据集不允许商业化，所以这里不提供视频百度云了，真的有需要可以自己申请。 先说一下video的视...
CASIA数据库
12-04
CASIA是一个比较基础的中文情感数据库，快速建立自己的语音情感识别系统，
CASIA步态能量图像数据库
鹊踏枝-码农的专栏
08-05 5243
目前用于步态识别算法评测的数据库有很多，最常用的步态数据库如下表所示： 上表中的CASIA Database步态数据库是由中科院自动化所模式识别国家重点实验室所建，具体参见： http://www.cbsr.ia.ac.cn/china/Gait%20Databases%20CH.asp CASIA Database(B)是一个大规模的，多视角的步态库
【Pytorch神经网络实战案例】29 【代码汇总】GitSet模型进行步态与身份识别(CASIA-B数据集)
小李的研究生学习日记
04-15 9024
1 GaitSet_DataLoader.py import numpy as np # 引入基础库 import os import torch.utils.data as tordata from PIL import Image from tqdm import tqdm import random # 1.1定义函数，加载文件夹的文件名称 # load_data函数， 分为3个步骤： # def load_data(dataset_path,imgresize,label_t
【Pytorch神经网络实战案例】28 GitSet模型进行步态与身份识别(CASIA-B数据集)
热门推荐
小李的研究生学习日记
04-15 1万+
1 CASIA-B数据集 本例使用的是预处理后的CASIA-B数据集， 数据集下载网址如下。 http：//www.cbsr.ia.ac.cn/china/Gait%20Databases%20cH.asp 该数据集是一个大规模的、多视角的步态库。其中包括124个人，每个人有11个视角(0，18，36，...，180)，在3种行走条件(普通、穿大衣、携带包裹)下采集。 1.1 CASIA-B数据集的两种形式 CASIA-B数据集有视频和轮廓两种形式。 1.1.1 案例讲解 本例直接..
CASIA database.zip
06-21
之前找了很久才找到了，传上来更大家共享下，希望对大家有帮助，欢迎下载或者永久保存。 CASIA汉语情感语料库 共包括四个专业发音人，六种情绪，共9,600句不同发音，包括300句相同文本和100句不同文本，可供各种分析实验使用 本数据集包含部分数据 用途 为研究情感语音所设计的语料 可用作情感分析，情感预测，汉语学习
人脸识别数据集-CASIA-WebFace
04-11
2014年李子青实验室公开的人脸识别数据集，数据集收集自网络人脸图片，包含10575个人494414张图。 数据集介绍：https://alberthg.github.io/2018/04/16/CASIA-WebFace-简介/
CASIA WebFace 数据集
03-04
CASIA WebFace 完整数据集，内含1万个人， 50万张照片。 是人脸识别的最主流数据集。 百度网盘链接， 内含4.1G压缩文件
人体步态数据
12-27
人体步态数据，包括髋关节、膝关节、踝关节，标注测试结果，导入matlab后绘点可看，前期测试步态可用
基于中科院步态数据集的数据研究和仿真
05-26
基于中科院-CASIA-GaitDatasetB步态图像轮廓数据库的步态周期检测与步态角度特征，进行了步态周期的检测，还有检测了步态角度，将原始的数据进行仿真，得到可目标框 对目标框进行研究和追踪，得到了其对应的中心x,y,...
帕金森步态数据集.rar
08-20
帕金森步态数据集帕金森步态数据集帕金森步态数据集帕金森步态数据集帕金森步态数据集帕金森步态数据集帕金森步态数据集帕金森步态数据集帕金森步态数据集帕金森步态数据集帕金森步态数据集帕金森步态数据集帕金森...
基于LSTM的步态识别方法&matlab代码+步态数据集
09-08
为了获取这些数据，可能使用了多种传感器，如气压高度计和惯性器件，这些传感器能够提供关于步态运动的高度和加速度等关键信息。数据集的采集应确保覆盖不同的步态类型和运动模式，包括上下楼梯等，这对于步态识别...
CGA人体步态数据，包含不同速度下的步态数据。
04-10
CGA人体步态数据，包含不同速度下的步态数据。
步态数据集角度
最新发布
04-03
### 关于步态数据集及其分析 #### 步态周期检测与几何分布模型 步态周期检测涉及对步态序列中的完整步态周期进行定义和提取。这一过程可以通过几何分布模型实现，该方法能够有效捕捉步态的动态特性并将其转化为数值表示形式[^1]。 #### Gait3D 数据集的特点 Gait3D 是一个大规模的 3D 步态识别数据集，包含了来自 4,000 名受试者的超过 25,000 个序列，这些数据由分布在无约束室内环境中的 39 台摄像机捕获。此数据集不仅提供了精确的 3D 人体网格，还包括传统 2D 轮廓和关键点信息，支持多模态数据分析和研究[^2]。 #### 基于 miu 小波变换的步态数据采集 另一种获取步态数据的方法是利用 BWT61CL 姿态传感器记录行人行走过程中 xyz 方向上的加速度、角速度以及角度变化。这种方法通过 miu 小波变换处理原始信号，从而完成对人体步态特性的检测和分类任务[^3]。 以下是 MATLAB 的简单代码示例展示如何加载 CSV 文件（假设包含上述传感器数据）并对时间序列执行基本预处理操作： ```matlab % 加载CSV文件到矩阵dataMatrix中 filename = 'sensor_data.csv'; dataMatrix = csvread(filename); % 提取XYZ轴加速度列 accX = dataMatrix(:,1); accY = dataMatrix(:,2); accZ = dataMatrix(:,3); % 对每一维加速度做快速傅里叶变换(FFT)，以便频域分析 fftAccX = fft(accX); fftAccY = fft(accY); fftAccZ = fft(accZ); figure; subplot(3,1,1); plot(abs(fftAccX)); title('Frequency Domain of X-Axis Acceleration'); subplot(3,1,2); plot(abs(fftAccY)); title('Frequency Domain of Y-Axis Acceleration'); subplot(3,1,3); plot(abs(fftAccZ)); title('Frequency Domain of Z-Axis Acceleration'); ``` 这段脚本展示了如何读入传感器日志，并转换成适合进一步机器学习建模的形式。 #### 数据下载与研究建议 对于希望深入研究步态识别技术的研究人员来说，可以从公开资源处获得 CASIA 和 Gait3D 这样的高质量数据集。具体而言，访问相关项目主页或者联系作者通常能获取最新版本的数据包链接。此外，了解不同类型的特征提取方式也很重要——无论是基于图像轮廓还是惯性测量单元(IMU)设备所收集的时间序列数据。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值